Pandas层级透视表：获取各date-hr下计数最大的Channel

没问题，我来帮你搞定这个数据转换需求。先咱们对齐一下数据情况和目标，然后一步步实现：

数据背景回顾 #

你的原始DataFrame结构如下：

df.head().info()

输出：

RangeIndex: 5 entries, 0 to 4
Data columns (total 4 columns):
 id 5 non-null object
 date-hr 5 non-null object
 channel 5 non-null object
 hr 5 non-null int64
dtypes: int64(1), object(3)

数据样例（简化后）：

User-ID | Date-hr | Channel | Hr
U1      | D1-10   | C1      | 10
U1      | D1-11   | C2      | 11
U1      | D1-10   | C1      | 10
U1      | D1-10   | C3      | 10
U1      | D1-10   | C1      | 10
U1      | D1-11   | C3      | 11
U1      | D1-11   | C2      | 11
...

你已经完成了第一步透视，得到了每个用户、每个date-hr下不同channel的计数，现在需要把每个date-hr列转换为该时段内计数最高的channel + 对应计数值的元组格式。

方法一：基于透视表分组处理 #

这是最直接的思路，先构建基础透视表，再对每个date-hr列组提取最大值信息：

import pandas as pd

# 1. 构建基础透视表：行是User-ID，列是(date-hr, channel)，值是计数
pivot_df = df.pivot_table(
    index='id',
    columns=['date-hr', 'channel'],
    values='hr',
    aggfunc='count',
    fill_value=0
)

# 2. 定义函数：对单个date-hr下的所有channel列，提取每行的最大计数及对应channel
def get_top_channel_info(col_group):
    # col_group是当前date-hr下的所有channel列组成的DataFrame
    max_counts = col_group.max(axis=1)
    # 找到计数最大的channel：idxmax返回的是(date-hr, channel)索引，取第二个元素
    top_channels = col_group.idxmax(axis=1).str[1]
    # 组合成元组
    return pd.Series(list(zip(top_channels, max_counts)), index=col_group.index)

# 3. 按date-hr列分组（第一层列索引），应用函数
result_df = pivot_df.groupby(level=0, axis=1).apply(get_top_channel_info)

运行后result_df的格式就完全符合你的需求了，比如U1行的D1-10列会是('C1', 3)，D1-11列是('C2', 2)。

方法二：堆叠透视表后再重组 #

如果你觉得分组处理有点绕，也可以用“堆叠-提取-重组”的思路：

import pandas as pd

# 1. 先做基础透视表（和方法一一样）
pivot_df = df.pivot_table(
    index='id',
    columns=['date-hr', 'channel'],
    values='hr',
    aggfunc='count',
    fill_value=0
)

# 2. 把date-hr从列索引转到行索引，变成(id, date-hr)为复合索引，channel为列
stacked_df = pivot_df.stack(level=0)

# 3. 提取每个(id, date-hr)组合下的最大计数channel和对应值
top_channels = stacked_df.idxmax(axis=1)
top_counts = stacked_df.max(axis=1)

# 4. 组合成元组，再重新透视回date-hr为列的格式
result_df = pd.DataFrame(
    {'top_info': list(zip(top_channels, top_counts))},
    index=stacked_df.index
).unstack(level=1)

# 5. 去掉多余的顶层列名（因为unstack后会有'top_info'作为顶层列）
result_df.columns = result_df.columns.droplevel(0)

这个方法的逻辑更直观：先把date-hr放到行里，让每个用户+时段的组合独立成行，找到最大值后再把date-hr转回列。

两种方法都能得到你想要的结果，你可以根据自己的习惯选择。如果你的数据量很大，方法一的效率会稍微高一点，因为不需要频繁转换索引结构。

内容的提问来源于stack exchange，提问作者Nikhil Verma